噪声与振动控制 ›› 2018, Vol. 38 ›› Issue (5): 208-214.DOI: 10.3969/j.issn.1006-1355.2018.05.037

• 信号处理与故障诊断 • 上一篇    下一篇

基于深度自编码网络的轴承故障诊断

袁文军 1,刘飞 1,王晓峰 2,周文晶 2   

  1. ( 1. 江南大学自动化研究所,江苏无锡214122; 2. 西门子中国研究院,北京100102 )
  • 收稿日期:2018-01-25 修回日期:2018-03-08 出版日期:2018-10-18 发布日期:2018-10-18
  • 通讯作者: 袁文军

Bearing Diagnosis based on Deep Neural Network of Auto-encoder

yuan wenjun   

  • Received:2018-01-25 Revised:2018-03-08 Online:2018-10-18 Published:2018-10-18
  • Contact: yuan wenjun

摘要:

在故障诊断领域,通常采用信号处理技术提取特征,然后将特征输入到故障分类器中进行故障识别。对于提取特征部分,采用信号处理技术可以使故障诊断取得较好的效果,但是仍然存在不足之处:一是人为提取的特征很大程度上依靠专业的诊断知识;二是绝大多数方法都需要使用标签数据来进行故障特征分类,其中标签数据必须通过大量的实验才可以得到。本文提出的基于深度自编码网络的轴承故障诊断是一种新型的智能故障诊断方法,可以克服上述故障诊断中存在的缺陷。为了验证该方法的有效性,利用具有不同健康状况的大量滚动轴承测量震动信号数据进行测试,实验结果表明效果良好。

关键词: 振动与波, 深度自编码网络, 智能故障诊断, 特征提取, 轴承